CHƢƠNG 2 : PHÂN TÍCH THỰC NGHIỆM
2.2. Mô tả dữ liệu
Các biến số của mơ hình nghiên cứu gồm: biến phụ thuộc là tỷ lệ tăng trưởng sản lượng bình quân đầu người (GR). Các biến độc lập của mơ hình gồm thâm hụt ngân sách (FD), Lạm phát (INF), lãi suất thực (RIR), tổng nguồn thu thuế (TAX), tiết kiệm quốc gia (SAV), tổng nợ quốc gia (D), độ mở kinh tế (TO).
Bảng 2.1: Các biến số của mơ hình, ký hiệu, cách tính và nguồn thu thập dữ liệu.
STT Ký hiệu Tên biến Cách tính Nguồn dữ liệu
1 GR Tỷ lệ tăng trưởng GDP bình quân đầu người
Tỷ lệ tăng của (GDP/dân
số thời điểm giữa năm) WorldBank
2 FD Thâm hụt (thặng dư) ngân sách Tổng thu ngân sách - Tổng chi ngân sách WorldBank, Tổng cục Thống kê (GSO) 3 TAX Thuế Tổng thuế/GDP WorldBank
4 TO Độ mở kinh tế (Xuất khẩu + nhập
khẩu)/GDP WorldBank
5 D Tổng nợ quốc gia Tổng nợ quốc gia/GDP World economic outlook, IMF 6 INF Lạm phát Chỉ số lạm phát WorldBank
7 RIR Lãi suất thực
Lãi suất cho vay được điều chỉnh lạm phát sử dụng chỉ số GDP giảm
phát
WorldBank, IMF
8 SAV Tiết kiệm quốc gia
Bao gồm tổng tiết kiệm chính phủ, tiết kiệm doanh nghiệp và tiết kiệm hộ gia đình/GDP
WorldBank, Tổng cục Thống
kê (GSO)
Nguồn: Tác giả tổng hợp.
Bài nghiên cứu sử dụng dữ liệu nghiên cứu của 10 quốc gia thuộc khu vực Châu Á – Thái Bình Dương bao gồm Brunei, Fiji, Indonesia, Malaysia, Myanmar, Papua New Guinea, Phillipines, Thailand, Trung Quốc và Việt Nam trong thời gian từ năm 1999 đến năm 2014.
Tất cả các dữ liệu của các biến số được thu thập từ nguồn dữ liệu của Ngân hàng thế giới (WorldBank). Một số biến số có sử dụng thêm nguồn dữ liệu từ Quỹ tiền tệ Quốc tế (IMF) như tổng nợ quốc gia và lãi suất thực. Trong khi một số dữ liệu của Việt Nam được thu thập từ Tổng cục Thống kê (là các chỉ số đo lường các đại lượng trên GDP nên không cần quy đổi đơn vị đo) như thâm hụt ngân sách và tỷ lệ tiết kiệm quốc gia.
Với các dữ liệu thu thập được, tác giả tiến hành phương pháp thống kê chung nhằm kiểm tra những đặc tính của các biến. Việc mơ tả đối tượng cho ta cái nhìn so sánh tổng qt giữa các biến trong mơ hình đang xem xét. Thống kê mơ tả đưa ra cái nhìn tồn diện về dữ liệu, cung cấp đơn giản về mẫu dữ liệu nghiên cứu và các thước đo phản ánh tổng quát đối tượng nghiên cứu. Xem xét mức độ thay đổi cũng như sự đồng đều của dữ liệu ở các biến thu thập trong nghiên cứu thực nghiệm thông qua giá trị tính tốn có được. Phát hiện ra những quan sát sai lệch trong cỡ mẫu thu thập nghiên cứu, kết quả được trình bày theo bảng thống kê mô tả trong Bảng 2.2. Kết quả thực hiện thống kê bằng phần mềm Stata chỉ ra phạm vi khoảng giá trị, giá trị trung bình và độ lệch chuẩn của các biến sử dụng trong nghiên cứu của các biến độc lập và phụ thuộc.
Bảng 2.2: Thống kê mô tả các biến số trong mơ hình Biến Đơn vị tính Số quan sát Trung bình Độ lệch chuẩn GT nhỏ nhất GT lớn nhất GR % 160 4.039741 1.873145 -3.21276 14.51549 FD % 160 3.04682 3.54106 -1.01969 7.41032 INF % 160 4.15732 4.670732 -4.02299 22.08976 RIR % 160 4.127985 5.164763 -12.7642 28.14128 TAX % 160 14.28094 5.960424 6.95637 32.01498 TO % 160 117.8905 132.9681 18.75639 280.1064 SAV % 160 27.45168 12.59871 9.868752 48.12047 D % 160 52.1498 40.09256 11.5 88.7897
Nguồn: Kết quả tổng hợp từ Phần mềm Stata (Phụ lục 2)
Biến GR có độ biến động trong khoảng từ giá trị -3.21 tới giá trị 14.5 với giá trị trung bình của cỡ mẫu 4.04, ứng với độ lệch chuẩn của mẫu là 1.87. Dữ liệu dao động ổn định, giá trị của độ lệch chuẩn chênh lệch rất ít.
Biến FD có độ biến động trong khoảng từ giá trị -1.02 tới giá trị 7.41 với giá trị trung bình của cỡ mẫu 3,04, ứng với độ lệch chuẩn của mẫu là 3,54. Dữ liệu biến động nhưng độ dao động không lớn, giá trị của độ lệch chuẩn lớn hơn so với giá trị trung bình.
Biến INF có độ biến động trong khoảng từ giá trị -4.02 tới giá trị 22.09 với giá trị trung bình của cỡ mẫu 4.16, ứng với độ lệch chuẩn của mẫu là 4.67. Dữ liệu dao động tương đối ổn định, giá trị của độ lệch chuẩn chênh lệch so với giá trị trung bình.
Biến RIR có độ biến động trong khoảng từ giá trị -12.76 tới giá trị 28.14 với giá trị trung bình của cỡ mẫu 4.13, ứng với độ lệch chuẩn của mẫu là 5.16. Giá trị
của độ lệch chuẩn chênh lệch không nhiều so với giá trị trung bình, dữ liệu đa phần dao động ổn định.
Biến TAX có độ biến động trong khoảng từ giá trị 6.96 tới giá trị 32.01 với giá trị trung bình của cỡ mẫu 14.3, ứng với độ lệch chuẩn của mẫu là 5.96. Dữ liệu dao động ổn định, giá trị của độ lệch chuẩn nhỏ hơn so với giá trị trung bình.
Biến TO có độ biến động trong khoảng từ giá trị 18.76 tới giá trị 280.11 với giá trị trung bình của cỡ mẫu 117.9, ứng với độ lệch chuẩn của mẫu là 132.97. Dữ liệu dao động mạnh, điều này thể hiện độ mở thương mại ở các quốc gia có độ chênh lệch lớn.
Biến SAV có độ biến động trong khoảng từ giá trị 9.87 tới giá trị 48.12 với giá trị trung bình của cỡ mẫu 27.45, ứng với độ lệch chuẩn của mẫu là 12.6. Dữ liệu dao động ổn định, giá trị của độ lệch chuẩn không lớn hơn so với giá trị trung bình.
Biến D có độ biến động trong khoảng từ giá trị 11.5 tới giá trị 88.79 với giá trị trung bình của cỡ mẫu 52.15, ứng với độ lệch chuẩn của mẫu là 40.1. Dữ liệu tương đối có sự biến động, thể hiện rằng nợ cơng của từng quốc gia trong thời kì này là khác nhau, có sự chênh lệch.
Qua phần thống kê mơ tả chung cho các biến trong mơ hình theo Bảng 2.2, đa phần các giá trị độ lệch chuẩn của mẫu nghiên cứu đều nhỏ hơn so với giá trị trung bình hoặc có lớn hơn nhưng chênh lệch khơng đáng kể. Chỉ có hai biến TO và D biểu hiện lần lượt cho thâm hụt ngân sách và nợ cơng của mỗi quốc gia là có sự chênh lệch. Tuy nhiên nhìn chung trong một các tổng thể thì dữ liệu tương đối đồng đều giữa các biến với nhau. Với cỡ mẫu nghiên cứu gồm 160 quan sát, là cỡ mẫu chấp nhận được để thực hiện hồi quy trong thống kê. Dữ liệu thu thập nghiên cứu hồn tồn phù hợp để có thể thực hiện các ước lượng của mơ hình.
2.3. Phƣơng pháp nghiên cứu
Phần lớn những nghiên cứu thực nghiệm trong kinh tế hướng đến giải thích mối quan hệ giữa các đại lượng độc lập đối với biến phụ thuộc, đồng nghĩa với việc
xem xét sự tác động của Xi| lên Y theo chiều hướng lẫn độ tác động như thế nào. Trả lời được câu hỏi này ta phải dựa vào mẫu dữ liệu thu thập để có một kết quả ước lượng không chệch của biến độc lập đối và biến phụ thuộc. Muốn kiểm soát được các tham số ước lượng của mơ hình để khơng bị nhiễu thì điều kiện đầu tiên là phải kiểm sốt được phần nhiễu của dữ liệu, bao gồm những biến quan sát được và không quan sát được. Đối với những thành phần nhiễu quan sát được thì việc mơ hình tuyến tính cổ điển Gauss (CLRM) có thể giải quyết được những vấn đề thường xun gặp phải trong mơ hình như: Phương sai của nhiễu, tương quan phần dư của nhiễu, tính đa cộng tuyến. Đồng thời ước lượng OLS trên mơ hình thuộc dạng dữ liệu quan sát nhiễu được như thế này sẽ mang ước lượng khơng có độ thiên lệch (không chệch) hoặc sai số đặc trưng, có tính nhất quán và hiệu quả nhất. Còn đối với các biến nhiễu khơng quan sát được, điều đó tùy vào đặc điểm, tính chất khác nhau của từng lớp đối tượng và thời gian mà lựa chọn mơ hình hồi quy Pooled OLS, mơ hình tác động cố định (Fixed Effect Model - FEM) hay mơ hình hồi quy tác động ngẫu nhiên (Random Effect Model - REM) cho phù hợp. Cả ba mơ hình này đều sử dụng dữ liệu đầu vào theo kiểu dữ liệu bảng (panel data) để ước lượng.
Dữ liệu bảng, cịn có tên gọi khác là dữ liệu gộp chung, mô tả nhiều đại lượng tương ứng với tần số quan sát qua nhiều đối tượng (ví dụ: cá nhân, doanh nghiệp, quốc gia) theo một chuỗi thời gian xác định cho từng đối tượng trong mộ giai đoạn chung. Có thể nói dữ liệu bảng là sự kết hợp của dữ liệu chéo (cross- section data) và dữ liệu theo thời gian (time series data). Dữ liệu bảng có nhiều ưu thế hơn so với nhóm dữ liệu thơng thường, điển hình dữ liệu bảng có 2 ưu điểm như sau:
Đầu tiên, các ước lượng tham số trong mơ hình hồi quy bằng dữ liệu bảng sẽ cho kết quả có độ tin cậy cao hơn, điều này được thể hiện qua ba yếu tố:
- Dữ liệu bảng sẽ kiểm soát được những thành phần không quan sát được. Các thành phần này có thể khơng giống nhau giữa các đối tượng nhưng không thay đổi theo thời gian hoặc có thay đổi theo thời gian nhưng giống nhau giữa các đối
tượng. Điều này phần nào đã làm thay đổi để giảm sự chênh lệch trong ước lượng tham số mơ hình.
- Thơng thường sự biến động trong dữ liệu bảng thường nhiều hơn so với dữ liệu chéo hoặc dữ liệu thời gian. Sự biến động cho một đặc điểm trong dữ liệu càng nhiều thì hiển nhiên độ chính xác của các ước lượng đó càng tăng, tức là có nhiều biến động thì càng có nhiều giải thích cho việc ước lượng tham số.
- Có ít vấn đề đa cộng tuyến trong các biến giải thích ở dữ liệu bảng hơn so với dữ liệu chéo hoặc dữ liệu thời gian. Vì vậy độ chính xác trong các kết quả ước lượng của mơ hình dữ liệu bảng cao hơn.
Thứ hai, dữ liệu bảng xác định và đo lường được những tác động mà những tác động đó khơng được tìm thấy hay khơng xác định khi sử dụng dữ liệu chéo hoặc theo chuỗi dữ liệu thời gian riêng lẻ. Chẳng hạn, xét một ví dụ cụ thể về đánh giá tăng trưởng kinh tế của quốc gia theo đóng góp của nguồn vốn con người và nguồn vốn tài nguyên thiên nhiên của nhiều quốc gia trong một nền kinh tế cụ thể (nhỏ, mở). Với dữ liệu chéo, ta có thể dự báo được sự thay đổi của vốn con người hay vốn tài nguyên thiên nhiên của từng quốc gia. Đối với dữ liệu theo thời gian, thì khơng thể xem xét được tăng trưởng kinh tế của các quốc gia theo đóng góp chung của nguồn vốn con người và nguồn vốn tài nguyên thiên nhiên, mà chỉ có thể xem xét riêng từng góc độ. Giả định nghiên cứu trong điều kiện là nguồn vốn con người không đổi hay nguồn vốn tài nguyên thiên nhiên không đổi. Tuy nhiên, phương pháp này đưa ra kết quả không đáng tin cậy. Với dữ liệu bảng ta có thể xác định và đo lường cả hai yếu tố vốn con người và vốn tài nguyên thiên nhiên có ảnh hưởng thế nào đến tăng trưởng kinh tế của các quốc gia.
Có 3 phương pháp để ước lượng các mơ hình sử dụng dữ liệu bảng bao gồm: Ước lượng nguyên sơ (pooled OLS) hay còn được gọi là ước lượng thơ, mơ hình tác động cố định (FEM) và mơ hình tác động ngẫu nhiên (REM). Pooled OLS là phương pháp hồi quy kết hợp với tất cả quan sát trong một thời kì. Tuy nhiên phương pháp pooled OLS có những mặt hạn chế về tính hiệu quả trong việc lượng
hóa các tham số khi gặp phải vấn đề ràng buộc chặt giữa các đơn vị chéo. Do đó để khắc phục điểm yếu này, các mơ hình FEM và REM được sử dụng để lựa chọn mơ hình phù hợp hơn.
Tóm lại việc sử dụng hồi quy theo dữ liệu bảng sẽ thu được những kết quả khả quan trong việc ước lượng các hệ số gốc của các biến độc lập trong mơ hình có nhiều yếu tố đặc trưng, đảm bảo được tính chất ước lượng trong hồi quy là khơng có độ chệch, mang tính hiệu quả. Trong khi dữ liệu theo thời gian thuần túy hoặc dữ liệu chéo thì khơng thể xác định được.
Việc sử dụng mơ hình nào là phù hợp sẽ được kết luận dựa vào phần kiểm định mơ hình của tác giả, cụ thể chúng ta sẽ bắt đầu kiểm định lần lượt các mơ hình hồi quy ước lượng thơ Pooled OLS, mơ hình hiệu ứng tác động cố định (FEM) và cuối cùng là mơ hình tác động ngẫu nhiên (REM). Sau đó nếu các mơ hình trên vẫn cịn tồn tài những khuyết điểm, chúng ta sẽ tiếp tục tiến hành phân tích hồi quy dữ liệu bảng bằng phương pháp sai phân GMM. Mơ hình hồi quy bằng phương pháp GMM có thể khắc phục những yếu điểm tồn tại mơ hình FEM và REM, cụ thể hơn với phương pháp hồi quy đối chiếu GMM sẽ khắc phục những nhược điểm của các mơ hình trên bao gồm các vấn đề phương sai sai số thay đổi (heteroskedasticity), tự tương quan của nhiễu (autocorrelation noise) và kể cả vấn đề nội sinh trong mơ hình.
Kết luận Chƣơng 2
Chương 2 trình bày việc xây dựng mơ hình lý thuyết của nghiên cứu dựa vào mơ hình tăng trưởng nội sinh do Barro (1990) đề xuất. Xuất phát từ hàm sản xuất Cobb-Douglas, qua các giả định và phép biến đổi tương đương đưa đến một mơ hình nghiên cứu tổng quát như phương trình (8). Tiếp tục cụ thể hóa các vector thành các biến độc lập cụ thể, chúng ta có mơ hình nghiên cứu chính (phương trình 9), trong đó tăng trưởng kinh tế phụ thuộc vào tác động của một tập hợp vector các biến số kinh tế vĩ mơ và tài khóa độc lập cùng với các đặc điểm cố định, đặc điểm chung theo thời gian của mỗi quốc gia và các yếu tố không quan sát được.
Dữ liệu được sử dụng để thực hiện ước lượng mơ hình nghiên cứu được thu thập đối với 10 quốc gia thuộc khu vực Châu Á – Thái Bình Dương trong giai đoạn 1999 – 2014, từ các nguồn thống kê tin cậy. Các dữ liệu được mô tả thống kê theo các tiêu chí cụ thể, đa phần các giá trị độ lệch chuẩn của mẫu nghiên cứu đều nhỏ hơn so với giá trị trung bình hoặc có lớn hơn nhưng chênh lệch khơng đáng kể.
Phương pháp nghiên cứu được sử dụng là các phương pháp ước lượng cho mơ hình sử dụng kiểu dữ liệu bảng. Bắt đầu từ phương pháp hồi quy Pooled OLS, đến các ước lượng hiệu ứng cố định (FEM) và ước lượng hiệu ứng ngẫu nhiên (REM). Việc lựa chọn ra phương pháp ước lượng tối ưu phụ thuộc vào các kiểm định lựa chọn mơ hình được thực hiện cụ thể ở chương tiếp theo. Trong trường hợp mơ hình hồi quy hiệu ứng cố định (FEM) hay hiệu ứng ngẫu nhiên (REM) vẫn còn bộc lộ nhiều khiếm khuyết, phương pháp ước lượng GMM sẽ được sử dụng để khắc phục các khuyết điểm của những phương pháp trên.
Kết quả ước lượng và phân tích cụ thể tác động của các biến số trong mơ hình được trình bày cụ thể trong phần tiếp theo.
CHƢƠNG 3: KẾT QUẢ NGHIÊN CỨU 3.1 Kiểm định lựa chọn mơ hình hồi quy phù hợp 3.1 Kiểm định lựa chọn mơ hình hồi quy phù hợp
3.1.1 Kiểm định lựa chọn mơ hình hồi quy dữ liệu bảng Pooled OLS và mơ hình hiệu ứng cố định (FEM)
Giả định của các quan sát giữa các đối tượng (quốc gia) qua các năm khơng tìm thấy sự khác biệt thì mơ hình Pooled OLS phù hợp với dữ liệu. Khi dữ liệu mẫu tồn tại sự khác biệt đặc thù giữa các quốc gia, mơ hình FEM phù hợp với mẫu nghiên cứu hơn.
Bài nghiên cứu sử dụng kiểm định lựa chọn mơ hình Pooled OLS và mơ hình hiệu ứng cố định (FEM), các giả thuyết như sau:
- Giả thuyết H0: Mơ hình Pooled OLS phù hợp với mẫu nghiên cứu - Giả thuyết H1: Mơ hình FEM phù hợp với mẫu nghiên cứu.
Bảng 3.1: Kết quả kiểm định lựa chọn Pooled và FEM
Thống kê p-value
5.73 0.0000
Nguồn: Kết quả tổng hợp từ Phần mềm Stata (Phụ lục 1)